结构、肝脏靶点与通路指纹的药物脂肪变分类
比较 3 类输入及多数投票整合，分别评价内部交叉验证、低相似性留出和独立外部集。
用途与模型
- 研究用途
- 药物脂肪变相关候选风险识别与生物学输入增量评价。
- 模型与细胞来源
- 结构、肝脏表达靶点和通路指纹；分类器及多数投票。
- 方法版本
- 2026 原研究；372 种药物同对象比较
- 实验形式
- FAERS/DILIst 标签整理，335 种建模、37 种留出及 19 种独立外部比较。
材料与平台
- 标签来源
- FAERS 脂肪变相关报告与 DILIst 肝损伤阴性分类。
- 生物学输入
- 公开药物—人蛋白作用资料、肝脏表达筛选及通路映射。
测量指标与分析
- 平衡准确率与敏感度
- 低相似性留出表现
- 独立外部分类表现
同一对象集比较不同输入；区分标签近似、内部验证与独立外推。
研究设计与结果
药物集评价
- 研究设计
- 重复交叉验证后，评价低相似性留出与排除重叠的独立药物资料。
- 测试范围
- 372 种主集，335/37 分开；独立 19 种含 10 阳性 9 阴性。
- 参照体系
- 已整理脂肪变标签及不同指纹模型。
- 研究结果
- 生物学输入优于结构输入；整合内部平衡准确率为 0.72、敏感度 0.69，严格留出与独立集表现下降。
适用条件与研究局限
- 肝损伤阴性用作脂肪变阴性是近似。
- FAERS 关联报告不直接证明因果。
- 没有剂量/时间/途径信息，预测多靶点可能产生伪影。
来源与原文
- Biological interaction fingerprints improve prediction of drug-induced steatosis原始研究 · Discover Pharmaceutical Sciences · 2026-10-05